0 / 0
Volver a la versión inglesa de la documentación
Inicio rápido: Ajuste de un foundation model

Inicio rápido: Ajuste de un foundation model

Hay un par de razones para afinar su foundation model. Al ajustar un modelo en muchos ejemplos etiquetados, puede mejorar el rendimiento del modelo en comparación con la ingeniería de solicitudes sola. Al ajustar un modelo base para que funcione de forma similar a un modelo más grande en la misma familia de modelos, puede reducir los costes desplegando ese modelo más pequeño.

Servicios necesarios
Watson Studio
Watson Machine Learning

El flujo de trabajo básico incluye estas tareas:

  1. Abra un proyecto. Los proyectos son la ubicación donde puede colaborar con otros para trabajar con los datos.
  2. Añada datos al proyecto. Puede cargar archivos de datos o añadir datos desde un origen de datos remoto a través de una conexión.
  3. Cree un experimento de ajuste en el proyecto. El experimento de ajuste utiliza el creador de experimentos de Tuning Studio .
  4. Revise los resultados del experimento y el modelo ajustado. Los resultados incluyen un gráfico de función de pérdida y los detalles del modelo ajustado.
  5. Despliegue y pruebe el modelo ajustado. Pruebe el modelo en Prompt Lab.

Más información sobre el ajuste de un foundation model

El ajuste de solicitud ajusta el contenido de la solicitud que se pasa al modelo. El foundation model subyacente y sus parámetros no se editan. Sólo se altera la entrada de solicitud. Puede ajustar un modelo con Tuning Studio Studio para guiar un foundation model IA y obtener el resultado que desee.

Vea este vídeo para saber cuándo y por qué debe afinar un foundation model.

Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.

Más información sobre Tuning Studio

Vea un vídeo sobre el ajuste de un foundation model

Ver vídeo Vea este vídeo para obtener una vista preliminar de los pasos de esta guía de aprendizaje. Puede haber pequeñas diferencias en la interfaz de usuario que se muestra en el vídeo. El vídeo está pensado para ser un compañero del tutorial escrito.

Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.


Prueba un tutorial para afinar un foundation model

En esta guía de aprendizaje, realizará estas tareas:





Sugerencias para completar esta guía de aprendizaje
Estas son algunas sugerencias para completar correctamente esta guía de aprendizaje.

Utilizar la imagen en imagen de vídeo

Sugerencia: Inicie el vídeo y, a continuación, a medida que se desplaza por el tutorial, el vídeo se desplaza al modo de imagen en imagen. Cierre la tabla de contenido de vídeo para obtener la mejor experiencia con la imagen en imagen. Puede utilizar el modo de imagen en imagen para poder seguir el vídeo mientras completa las tareas de este tutorial. Pulse las indicaciones de fecha y hora para cada tarea a seguir.

La siguiente imagen animada muestra cómo utilizar las características de imagen en imagen y tabla de contenido de vídeo:

Cómo utilizar la imagen en la imagen y los capítulos

Obtener ayuda en la comunidad

Si necesita ayuda con esta guía de aprendizaje, puede formular una pregunta o encontrar una respuesta en el foro de discusión de la comunidad dewatsonx.

Configurar las ventanas del navegador

Para obtener la experiencia óptima al completar esta guía de aprendizaje, abra Cloud Pak for Data en una ventana de navegador y mantenga abierta esta página de la guía de aprendizaje en otra ventana de navegador para conmutar fácilmente entre las dos aplicaciones. Considere la posibilidad de organizar las dos ventanas del navegador una al lado de la otra para que sea más fácil de seguir.

Guía de aprendizaje en paralelo e interfaz de usuario

Sugerencia: Si encuentra una visita guiada al completar esta guía de aprendizaje en la interfaz de usuario, pulse Quizás más tarde.



Tarea 1: Abrir un proyecto

vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo empezando por 00:04.

Necesita un proyecto para almacenar el experimento de ajuste. Vea un vídeo para ver cómo crear un proyecto de recinto de pruebas y asociar un servicio. A continuación, siga los pasos para verificar que tiene un proyecto existente o crear un proyecto.

Verificar un proyecto existente o crear un proyecto nuevo

  1. En la pantalla de inicio de watsonx , desplácese a la sección Proyectos . Si ve algún proyecto listado, vaya a Asociar el servicio Watson Machine Learning.

    Si no ves ningún proyecto, puedes ver este vídeo, y luego seguir los pasos para crear un proyecto.

    Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.

  2. Pulse Crear un proyecto de recinto de pruebas. Cuando se crea el proyecto, verá el recinto de seguridad en la sección Proyectos .

  3. Abra un proyecto existente o el nuevo proyecto de recinto de pruebas.

Asocie el servicio Watson Machine Learning con el proyecto

Usted utiliza ' Watson Machine Learning para sintonizar el ' foundation model, así que siga estos pasos para asociar su instancia de servicio ' Watson Machine Learning con su proyecto.

  1. En el proyecto, pulse el separador Gestionar .

  2. Pulse la página Servicios e integraciones .

  3. Compruebe si este proyecto tiene un servicio de Watson Machine Learning asociado. Si no hay ningún servicio asociado, siga estos pasos:

    1. Pulse Asociar servicio.

    2. Marque el recuadro situado junto a la instancia de servicio de Watson Machine Learning .

    3. Pulse Asociar.

    4. Si es necesario, pulse Cancelar para volver a la página Servicios e integraciones .

Para obtener más información o para ver un vídeo, consulte Creación de un proyecto y Adición de servicios asociados a un proyecto.

Icono de punto de comprobación Compruebe el progreso

La imagen siguiente muestra el separador Gestionar con el servicio asociado. Ahora está preparado para añadir el cuaderno de ejemplo al proyecto.

Pestaña Gestionar en el proyecto




Tarea 2: Probar el modelo base

vídeo tutorial de vista previa Para obtener una vista previa de esta tarea, vea el vídeo empezando por 00:19.

Puede probar el modelo ajustado en Prompt Lab. Siga estos pasos para probar el modelo ajustado:

  1. Vuelva a la pantalla de inicio de watsonx .

  2. Verifique que el proyecto de recinto de seguridad está seleccionado.

    Seleccione el proyecto de recinto de pruebas

  3. Haga clic en el mosaico Open Prompt Lab.

  4. Seleccione el modelo ajustado.

    1. Pulse la lista desplegable de modelos y seleccione Ver todos los modelos base.
    2. Seleccione el modelo granite-13b-instruct-v2.
    3. Pulse Seleccionar modelo.
  5. Haga clic en la pestaña Estructurado.

  6. Para la Instrucción, escriba:

    Summarize customer complaints
    
  7. Proporcione los ejemplos y la entrada de prueba.

    Ejemplo de entrada y salida
    Entrada de ejemplo Salida de ejemplo
    Olvidé en mi fecha inicial que estaba usando Capital Uno y esta deuda estaba en sus manos y nunca se hizo. Cobro de deudas, subproducto: deuda con tarjeta de crédito, emisión: tomó o amenazó con tomar acciones negativas o legales subemisión
    Soy víctima del robo de identidad y esta deuda no me pertenece. Por favor, consulte el reporte de robo de identidad y declaración jurada legal. Cobro de deudas, subproducto, no sé, cuestión. intentos de cobrar deuda no adeudada. la subemisión de deuda fue el resultado del robo de identidad

  8. En el campo de texto Intentar , copie y pegue la solicitud siguiente:

    After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
    
  9. Pulse Generary revise los resultados. Anote el resultado del modelo base para poder compararlo con el del modelo ajustado.

  10. Pulse Guardar trabajo > Guardar como.

  11. Seleccione Plantilla de solicitud.

  12. Para el nombre, escriba Base model prompt.

  13. Para la Tarea, seleccione Resumir.

  14. Seleccione Ver en proyecto después de guardar.

  15. Pulse Guardar.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra los resultados en Prompt Lab.

La imagen siguiente muestra los resultados en Prompt Lab.




Tarea 3: Añadir los datos al proyecto

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 01:12.

Debe añadir los datos de entrenamiento a su proyecto. En la página Centro de recursos, puede encontrar el conjunto de datos de quejas de cliente. Este conjunto de datos incluye datos ficticios de quejas típicas de los clientes en relación con los informes de crédito. Siga estos pasos para añadir el conjunto de datos del concentrador de recursos al proyecto:

  1. Acceda al conjunto de datos Reclamaciones de los clientes en la página del centro de recursos.
  2. Pulse Añadir al proyecto.
  3. Seleccione el proyecto de recinto de seguridad.
  4. Pulse Añadir.
  5. Pulse Ver proyecto para ver el activo en el proyecto.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra el activo de datos añadido al proyecto. El paso siguiente es crear el experimento de ajuste.

La imagen siguiente muestra el activo de datos añadido al proyecto. El siguiente paso es crear el experimento de ajuste.




Tarea 4: Crear un experimento de ajuste en el proyecto

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 01:32.

Ahora está preparado para crear un experimento de ajuste en el proyecto de recinto de pruebas que utiliza el conjunto de datos que acaba de añadir al proyecto. Siga estos pasos para crear un experimento de ajuste:

  1. Vuelva a la pantalla de inicio de watsonx .

  2. Verifique que el proyecto de recinto de seguridad está seleccionado.

    Seleccione el proyecto de recinto de pruebas

  3. Haga clic en Sintonizar un foundation model con datos etiquetados.

  4. Para el nombre, escriba:

    Summarize customer complaints tuned model
    
  5. Para la descripción, escriba:

    Tuning Studio experiment to tune a foundation model to handle customer complaints.
    
  6. Pulse Crear. Se muestra Tuning Studio .

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra el experimento de ajuste abierto en Tuning Studio. Ahora está preparado para configurar el experimento de ajuste.

La imagen siguiente muestra el experimento de ajuste abierto en Tuning Studio. Ahora está preparado para configurar el experimento de ajuste.




Tarea 5: Configurar el experimento de ajuste

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 01:47.

En Tuning Studio, puede configurar el experimento de ajuste. El foundation model para afinar se completa para usted. Siga estos pasos para configurar el experimento de ajuste:

  1. Para sintonizar el " foundation model, haga clic en " Seleccione un " foundation model.

    1. Seleccione granite-13b-instruct-v2.

    2. Pulse Seleccionar.

  2. Seleccione Texto para el método para inicializar la solicitud. Hay dos opciones:

    • Texto: Utiliza el texto que especifique.
    • Aleatorio: utiliza los valores que se generan automáticamente como parte del experimento de ajuste.
  3. Para el campo Texto , escriba:

    Summarize the complaint provided into one sentence.
    

    La tabla siguiente muestra texto de ejemplo para cada tipo de tarea:

    título
    Tipo de tarea Ejemplo
    Clasificación Clasificar si el sentimiento de cada comentario es positivo o negativo
    Generación Hacer el caso para permitir que los empleados trabajen desde casa unos días a la semana
    Resumen Resumir los puntos principales de una transcripción de reunión

  4. Seleccione Resumen para el tipo de tarea que más se ajuste a lo que desea que haga el modelo. Existen tres tipos de tarea:

    • Resumen genera texto que describe las ideas principales que se expresan en un cuerpo de texto.
    • Generación genera texto como, por ejemplo, un correo electrónico promocional.
    • Clasificación predice las etiquetas categóricas de las características. Por ejemplo, dado un conjunto de comentarios de cliente, es posible que desee etiquetar cada sentencia como una pregunta o un problema. Cuando utilice la tarea de clasificación, tendrá que listar las etiquetas de clase que desea que utilice el modelo. Especifique las mismas etiquetas que se utilizan en los datos de entrenamiento de ajuste.
  5. Seleccione los datos de entrenamiento del proyecto.

    1. Pulse Seleccionar de proyecto.
    2. Pulse Activo de datos.
    3. Seleccione el archivo customer reclamos training data.json .
    4. Pulse Seleccionar activo.
    5. Pulse Iniciar ajuste.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra el experimento de ajuste configurado. A continuación, revise los resultados y despliegue el modelo ajustado.

La imagen siguiente muestra el experimento de ajuste configurado.




Tarea 6: Desplegar el modelo ajustado en un espacio de despliegue

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 03:17.

Cuando se haya completado la ejecución del experimento, verá el modelo ajustado y el gráfico de función de pérdida. La función de pérdida mide la diferencia entre los resultados previstos y reales con cada ejecución de entrenamiento. Siga estos pasos para ver el gráfico de función de pérdida y el modelo ajustado:

  1. Revise el gráfico de la función Pérdida. Una curva inclinada hacia abajo significa que el modelo está mejorando en la generación de la salida esperada.

    Se ha completado el experimento de ajuste

  2. Debajo del gráfico, pulse el modelo ajustado Resumir quejas de clientes .

  3. Desplácese por los detalles del modelo.

  4. Pulse Desplegar.

  5. Para el nombre, escriba: Summarize customer complaints tuned model

  6. Para el Contenedor de despliegue, seleccione Espacio de despliegue.

  7. Para el Espacio de despliegue de destino, seleccione un espacio de despliegue existente. Si no tiene un espacio de despliegue existente, siga estos pasos:

    1. Para el Espacio de despliegue de destino, seleccione Crear un nuevo espacio de despliegue.
    2. Para el nombre del espacio de despliegue, escriba: Foundation models deployment space
    3. Seleccione un servicio de almacenamiento de la lista.
    4. Seleccione el servicio de aprendizaje automático suministrado en la lista.
    5. Pulse Crear.
    6. Pulse Cerrar.
    7. Para el Espacio de despliegue de destino, verifique que se ha seleccionado Espacio de despliegue de modelos de fundación .
  8. Compruebe la opción Ver despliegue en el espacio de despliegue después de crear .

  9. Pulse Crear.

  10. En la página Despliegues , pulse el despliegue Resumir modelo ajustado de quejas de cliente para ver los detalles.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra el despliegue en el espacio de despliegue. Ahora está preparado para probar el modelo desplegado.

La imagen siguiente muestra el despliegue en el espacio de despliegue.




Tarea 7: Probar el modelo ajustado

vídeo tutorial de vista previa ' Para previsualizar esta tarea, vea el vídeo que comienza en 04:04.

Puede probar el modelo ajustado en Prompt Lab. Siga estos pasos para probar el modelo ajustado:

  1. En la página de despliegue de modelo, pulse Abrir en laboratorio de solicitudy, a continuación, seleccione el proyecto de recinto de seguridad. Se muestra el laboratorio de solicitudes.

  2. Seleccione el modelo ajustado.

    1. Pulse la lista desplegable de modelos y seleccione Ver todos los modelos base.
    2. Seleccione el modelo Resumir modelo ajustado de quejas de cliente .
    3. Pulse Seleccionar modelo.
  3. En la página Modalidad estructurada , escriba la Instrucción: Summarize customer complaints

  4. En la página Modalidad estructurada , proporcione los ejemplos y la entrada de prueba.

    Ejemplo de entrada y salida
    Entrada de ejemplo Salida de ejemplo
    Olvidé en mi fecha inicial que estaba usando Capital Uno y esta deuda estaba en sus manos y nunca se hizo. Cobro de deudas, subproducto: deuda con tarjeta de crédito, emisión: tomó o amenazó con tomar acciones negativas o legales subemisión
    Soy víctima del robo de identidad y esta deuda no me pertenece. Por favor, consulte el reporte de robo de identidad y declaración jurada legal. Cobro de deudas, subproducto, no sé, cuestión. intentos de cobrar deuda no adeudada. la subemisión de deuda fue el resultado del robo de identidad

  5. En el campo de texto Intentar , copie y pegue la solicitud siguiente:

    After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
    
  6. Pulse Generary revise los resultados. Compare el resultado del modelo base con el resultado del modelo ajustado.

Icono de punto de comprobación ' Comprueba tu progreso

La imagen siguiente muestra los resultados en Prompt Lab.

La imagen siguiente muestra los resultados en Prompt Lab.



Próximos pasos

Pruebe estas otras guías de aprendizaje:

Recursos adicionales

Tema principal: Guías de aprendizaje de inicio rápido

Búsqueda y respuesta de IA generativa
Estas respuestas las genera un modelo de lenguaje grande en watsonx.ai que se basa en el contenido de la documentación del producto. Más información